Python中的正态分布统计

2021-01-18  本文已影响0人  千千罐

正态分布:
若随机变量x服从有个数学期望为μ,方差为σ2 的正态分布,记为N(μ,σ)
其中期望值决定密度函数的位置,标准差决定分布的幅度,当υ=0,σ=0 时的正态分布是标准正态分布
判断方法有画图/k-s检验

1. Shapiro-Wilk检验(W检验):\color{red}{scipy.stats.shapiro}

scipy.stats.shapiro(x)

'''输出结果中第一个为统计量,第二个为P值(统计量越接近1越表明数据和正态分布拟合的好,
P值大于指定的显著性水平,接受原假设,认为样本来自服从正态分布的总体)'''

 

2.Kolmogorov-Smirnov检验(K-S检验):\color{red}{sscipy.stats.kstest}

scipy.stats.kstest(rvs, cdf, args=(), N=20, alternative='two_sided', mode='approx', **kwds)

'''输出结果中第一个为统计量,第二个为P值(注:统计量越接近0就越表明数据和标准正态分布拟合的越好,
如果P值大于显著性水平,通常是0.05,接受原假设,则判断样本的总体服从正态分布)'''

 

3. Anderson-Darling 检验:\color{red}{scipy.stats.anderson}

scipy.stats.anderson (x, dist ='norm' )

 

4. 正态分布检验:\color{red}{scipy.stats.normaltest}

scipy.stats.normaltest(a, axis=0)
'''输出结果中第一个为统计量,第二个为P值(注:p值大于显著性水平0.05,认为样本数据符合正态分布)'''
上一篇 下一篇

猜你喜欢

热点阅读